Belief-Adaptive Online Autonomy for Quadrotor UAV Navigation under GNSS Degradation in Urban Environments
Cranfield University(克兰菲尔德大学)
本文提出一种信念自适应在线自主框架,通过显式GNSS信任建模和延迟感知处理增强EKF,在GNSS退化城市环境中实现更稳定、更准确的四旋翼导航。
2026-09-15 cs.RO cs.SY eess.SY
Closed-loop vs. Open-loop Kalman Filter Architectures in Airborne Aided Inertial Navigation
Airbus Central Research and Technology(空客中央研究与技术中心);Department of Engineering Cybernetics, Norwegian University of Science and Technology(挪威科技大学工程 cybernetics 系)
研究闭环与开环卡尔曼滤波器架构在机载辅助惯性导航中的性能影响,用标准惯性机制和直接位置辅助评估,通过模拟展示不同传感器误差下两种架构的权衡。
2026-07-07 cs.RO cs.SY eess.SY
Dual Quaternion-Based Unscented Kalman Filter with Visual Inertial Odometry for Navigation in GPS-Denied Environments
Carleton University(卡尔顿大学)
提出一种基于对偶四元数的无迹卡尔曼滤波(DQUKF)结合视觉惯性里程计(VIO),在GPS拒止环境下实现高精度状态估计,在EuRoC数据集上位置RMSE达0.2584米。
2026-06-08 cs.RO cs.SY eess.SY
A switching Kalman filter approach to online mitigation and correction of sensor corruption for inertial navigation
针对惯性导航中外部传感器故障损坏问题,提出结合参数增广的切换卡尔曼滤波方法,通过多观测模型似然评估识别并校正故障,在气球导航、航天飞机再入场景下验证了其抗偏差能力与鲁棒性。
2024-12-10 cs.RO cs.SY eess.SY
Quaternion-based Unscented Kalman Filter for 6-DoF Vision-based Inertial Navigation in GPS-denied Regions
Carleton University(卡尔顿大学)
针对GPS拒止区域刚体6自由度运动的位姿、位置和线速度估计问题,提出定义在特定空间的计算高效的四元数导航无迹卡尔曼滤波器,融合视觉与IMU数据,经真实数据集验证其鲁棒性和有效性。
2024-12-03 cs.RO cs.SY eess.SY
Robust Extended Kalman Filter for Land Navigation Using Massive Array of MEMS IMUs
School of Computer Science, Reichman University(里奇曼大学计算机科学学院)
提出一种鲁棒扩展卡尔曼滤波架构,通过动态百分位门控和实时偏置跟踪的预滤波框架,有效融合数百个低成本MEMS惯性传感器,抑制异常读数并补偿漂移,显著提升方位精度并降低漂移累积。
2026-06-28 cs.RO cs.SY eess.SY
Real-Time Neuromorphic Navigation: Guiding Physical Robots with Event-Based Sensing and Task-Specific Reconfigurable Autonomy Stack
Purdue University(普渡大学)
本文提出可重构 Neuromorphic Navigation 框架,利用基于事件的神经形态视觉贯通感知、规划与控制,并在 Turtlebot 和 Bebop2 上验证其实时自主导航能力。
2025-03-11 cs.RO
AURA: Multimodal Shared Autonomy for Real-World Urban Navigation
University of California, Los Angeles(加州大学洛杉矶分校);Zhejiang University(浙江大学)
AURA通过将城市导航分解为高层人类指令和低层AI控制,减少人工操作负担,提升导航稳定性,并在真实世界中实现44%的接管减少。
2026-04-02 cs.RO
Overcoming the Challenges of Solar Rover Autonomy: Enabling Long-Duration Planetary Navigation
University of Toronto(多伦多大学)
以前和现在的火星漫游者的成功鼓励了世界各地的航天机构追求更多的行星探索任务,并实现更雄心勃勃的导航目标。例如,美国航天局计划的火星样品返回任务将是一项多年的任务,需要太阳能动力漫游车在大约三个月的时间里每日行驶150米以上。本文回顾了当前漫游车使用的移动规划框架,并调查了在红色星球上进行连续长距离导航所面临的主要挑战。它还讨论了与环境感知和能源感知导航有关的最新工作,并提供了一个关于这些工作最终如何使太阳能漫游车在火星上实现自主长距离导航的观点。
2018-09-10 cs.RO
Equivariant Filter Design for Inertial Navigation Systems with Input Measurement Biases
University of Klagenfurt(克拉根福大学);Australian National University(澳大利亚国立大学)
惯性导航系统(INS)是自主车辆应用的关键技术。INS问题的估计和滤波器设计的最新进展已经利用几何和对称性来克服经典的扩展卡尔曼滤波器(EKF)方法的局限性,该方法自二十世纪中期以来形成了INS系统的主流。工业标准INS滤波器,乘法扩展卡尔曼滤波器(MEKF),使用几何构造用于姿态估计,与经典的欧几里德构造耦合用于位置、速度和偏差估计。最新的不变扩展卡尔曼滤波器(IEKF)提供了一个完整的导航状态的几何框架,集成了姿态、位置和速度,但仍然使用经典的欧几里德结构来建模偏差状态。在本文中,我们使用最近提出的等变滤波器(EqF)的框架,推导出一种新的观测器偏置惯性导航在一个完整的几何框架。引入具有相关虚拟偏差的虚拟速度输入会导致增强系统上的完全等变对称性。由此产生的滤波器性能与模拟和真实世界的数据进行评估,并证明了增加的鲁棒性,以广泛的错误的初始条件,并提高精度相比,行业标准的乘法EKF(MEKF)的方法。
2022-02-04 cs.RO cs.SY eess.SY
An Asynchronous Two-Speed Kalman Filter for Real-Time UUV Cooperative Navigation Under Acoustic Delays
Xi’an Jiaotong-Liverpool University(西安交通大学利物浦大学);Suzhou Municipal Key Laboratory Broadband Wireless Access Technology(苏州市级宽带无线接入技术重点实验室);XJTLU-JITRI Academy(XJTLU-JITRI学院)
针对水声通信延迟导致实时状态估计困难的问题,提出一种异步双速卡尔曼滤波器(TSKF),通过变分历史蒸馏(VHD)机制解耦估计过程,实现高频实时控制与延迟协同信息处理,在严重延迟下保持与批量优化方法相当的轨迹误差。
2026-06-23 cs.RO cs.SY eess.SY
Unscented Kalman Filter with a Nonlinear Propagation Model for Navigation Applications
Hatter Department of Marine Technologies, Charney School of Marine Sciences, University of Haifa(海法大学海洋科技学院查内海洋科学学院)
本文提出了一种基于非线性动态模型的无迹卡尔曼滤波器,以提升导航应用中的估计精度和性能。
2025-08-31 cs.RO eess.SP
GNSS/MEMS-INS Integration for Drone Navigation using EKF on Lie Groups
University of Campinas(坎皮纳斯大学)
基于李群卡尔曼滤波理论,本文提出了一种适用于GNSS/INS松耦合组合的扩展卡尔曼滤波器和平滑器。该方法采用一个动态模型的矩阵李群,聚合位置,速度,姿态和惯性测量单元的偏差作为一个单一的元素李群。该开发的动机是无人机搭载的差分干涉SAR(DinSAR)应用,该应用需要使用低成本MEMS传感器进行短途飞行任务的高精度导航信息。滤波器和Rauch-Tung-Striebel(RTS)平滑器都实现和验证。本文还提出了一种新的算法来初始化的航向值作为替代陀螺罗盘或磁力计为基础的对齐。在滤波器更新步骤期间采用Mahalanobis距离和$χ^2$检验来解决GNSS测量的离群值拒绝的实际问题。本文利用合成数据对基于乘性四元数和欧拉角的经典导航方案进行了比较。最后,通过实际数据的实验表明,基于李群的卡尔曼滤波器比现有的商用软件具有更好的DinSAR处理性能。
2022-10-06 cs.RO cs.SY eess.SY
Multimodal Shared Autonomy for Social Navigation Assistance of Telepresence Robots
Worcester Polytechnic Institute(伍斯特理工学院)
移动远程呈现机器人(MTR)在不断扩大的远程工作世界中越来越受欢迎,为人们积极参与远程活动提供了新的途径。然而,由于有限的情况感知和狭窄的视场,操作MTR的人通常难以在人口密集的环境中导航,这降低了用户的接受度和满意度。共享自主导航主要在静态环境或只有一个行人与机器人交互的情况下进行了研究。我们提出了一种多模式共享自治的方法,利用视觉和触觉指导,在人口稠密的环境中为远程操作员提供导航帮助。它使用了一种修改形式的倒数速度障碍,以产生安全的控制输入,同时考虑到社会化学的约束。两种不同的视觉引导设计,以及触觉力渲染,提出了传达安全的控制输入。我们进行了一项用户研究,比较的优点和局限性的多模式导航辅助触觉或视觉辅助单独在一个共同的导航任务。该研究涉及15名参与者在一个有移动行人的虚拟大厅中操作虚拟远程呈现机器人,使用不同的辅助方式。我们评估了导航性能、透明度和合作以及用户偏好。我们的研究结果表明,参与者更喜欢多模式辅助视觉引导轨迹触觉或视觉方式单独,虽然它对导航性能没有影响。此外,我们发现,视觉引导轨迹传达了更高程度的理解和合作比等效的触觉线索在导航任务。
2022-10-17 cs.HC cs.RO
A Hybrid Model and Learning-Based Adaptive Navigation Filter
University of Haifa(海法大学)
惯性导航系统和全球导航卫星系统之间的融合经常用于许多平台,例如无人机,陆地车辆和海洋船舶。融合通常在基于模型的扩展卡尔曼滤波器框架中进行。滤波器的关键参数之一是过程噪声协方差。它负责实时解决方案的准确性,因为它考虑了车辆动力学的不确定性和惯性传感器的质量。在大多数情况下,过程噪声是假设为常数的协方差。然而,由于整个轨迹中的车辆动力学和传感器测量变化,过程噪声协方差会发生变化。为了应对这种情况,在文献中提出了几种基于自适应模型的卡尔曼滤波器。在本文中,我们提出了一种混合模型和学习为基础的自适应导航滤波器。我们依赖于基于模型的卡尔曼滤波器,并设计了一个深度神经网络模型来调整瞬时系统噪声协方差矩阵,仅基于惯性传感器读数。一旦学习了过程噪声协方差,就将其插入完善的基于模型的卡尔曼滤波器。推导出建议的混合框架后,使用四旋翼的现场实验结果和基于模型的自适应方法的比较。我们表明,该方法获得了25%的位置误差的改善。此外,所提出的混合学习方法可以用于任何导航滤波器,也可以用于任何相关的估计问题。
2022-09-02 cs.LG cs.RO cs.SY
Full Stack Navigation, Mapping, and Planning for the Lunar Autonomy Challenge
本文提出了一种模块化全栈自主系统,用于月球表面导航与制图,在GNSS拒止和视觉挑战环境下,结合语义分割、立体视觉里程计、位图SLAM与分层规划控制,实现了厘米级定位精度和高保真制图。
2026-03-18 cs.RO
Predictive Modeling in AUV Navigation: A Perspective from Kalman Filtering
本文提出一种安全导向框架,通过卡尔曼滤波提升AUV定位精度和轨迹预测,增强通信中断时的搜索效率。
2026-03-28 cs.RO
Gaussian Splatting as a Unified Representation for Autonomy in Unstructured Environments
GRASP Laboratory, University of Pennsylvania(宾夕法尼亚大学GRASP实验室)
本文提出以 Gaussian splatting 作为大规模非结构化室外环境机器人导航的统一表示,融合几何、光度与语义信息支持实时任务驱动导航,并总结相关挑战与机遇。
2025-05-17 cs.RO
$SE_2(3)$ based Extended Kalman Filtering and Smoothing Framework for Inertial-Integrated Navigation
GNSS Research Center, Wuhan University(武汉大学GNSS研究中心)
针对惯性组合状态估计问题,提出了一种基于$SE_2(3)$的扩展卡尔曼滤波(EKF)框架。惯性导航系统中采用两个矢量的直接差表示误差,由于没有考虑方向差的影响,可能不太合理。因此,我们选择使用$SE_2(3)$矩阵李群来表示惯性组合导航系统的状态,从而导致共同的框架误差表示。在新的速度和位置误差定义下,利用具有自主误差特性的群仿射动力学,分别推导了东北向下(NED)导航框架和地心地球固定(ECEF)框架下惯性组合导航的误差状态微分方程,并推导了相应的扩展卡尔曼滤波器,即基于$SE_2(3)$的扩展卡尔曼滤波器。为几何EKF提供了一个新的视角,并为惯性组合导航系统提供了更为完善的计算公式。此外,我们通过引入新的辅助向量,分别在NED框架和ECEF框架上设计了两个新的修正误差动力学。最后,在导航框架和ECEF框架下证明了左不变EKF和基于左$SE_2(3)$的EKF的等价性。
2021-03-12 cs.RO
Mitigating Error Accumulation in Continuous Navigation via Memory-Augmented Kalman Filtering
Big Data Institute, Central South University, Changsha, China. Work done while working at CityUHK as a visiting scholar.;Department of Computer Science \& Institute of Digital Medicine, City University of Hong Kong, Hong Kong, China;School of Computer Science, Central South University, Changsha, China
本文提出NeuroKalman框架,通过先验预测和似然校正过程缓解连续导航中的状态漂移问题,实验表明其在TravelUAV基准上表现优异。
2026-05-07 cs.CV cs.RO cs.SY
Satellite Navigation for the Age of Autonomy
Xona Space Systems(索纳空间系统公司)
全球导航卫星系统(GNSS)为大众带来了导航。再加上智能手机,我们手掌上的蓝点永远改变了我们与世界互动的方式。展望未来,自动驾驶汽车和空中机动性等网络物理系统正在推动包括GNSS在内的定位技术所能提供的极限。这场自动化革命需要一个解决方案,为数百万用户提供安全关键型操作、厘米定位和网络安全支持。为了满足这些需求,我们提出了一种低地球轨道(LEO)卫星导航服务,通过更快的运动,更高功率的信号来增加对干扰的鲁棒性,星座自主完整性监测的完整性,以及加密/认证来抵抗欺骗攻击。这种模式是由“新空间”运动实现的,其中高性能的卫星和部件现在是在装配线上制造的,发射成本降低了十倍以上。这种无处不在的定位服务实现了一致和安全的标准,其中可以验证和共享值得信赖的信息,将电子地平线从传感器视线扩展到整个城市。这使得真正的安全操作所需的态势感知能够支持大规模的自主性。
2020-05-19 cs.RO eess.SP
A Hybrid Neural-Assisted Unscented Kalman Filter for Unmanned Ground Vehicle Navigation
Autonomous Navigation and Sensor Fusion Lab(自主导航与传感器融合实验室);Hatter Department of Marine Technologies(海洋技术系);Charney School of Marine Sciences(海洋科学学院);University of Haifa(海法大学)
本文提出一种混合估计框架,结合经典状态估计与深度学习方法,通过神经网络预测噪声不确定性,提升无人地面车辆导航的鲁棒性和可扩展性。
2026-03-25 cs.RO
Long-Short Term Agents for Pure-Vision Bronchoscopy Robotic Autonomy
Institute of Medical Robotics, Shanghai Jiao Tong University(上海交通大学医学机器人研究所);Shanghai Chest Hospital(上海胸科医院)
本研究提出一种纯视觉的支气管镜机器人自主导航框架,通过长短期代理实现无外部跟踪的精准导航,验证了其在体内外实验中的有效性。
2026-03-09 cs.AI cs.RO
Control Barrier Functions with Audio Risk Awareness for Robot Safe Navigation on Construction Sites
本文提出一种基于控制障碍函数的机器人安全导航方法,通过音频风险提示增强避障能力,有效提升建设工地环境下的自主导航安全性。
2026-02-12 cs.RO cs.SY eess.SY
Depth map estimation methodology for detecting free-obstacle navigation areas
本文提出了一种基于视觉的方法,利用立体相机和一维LiDAR估计四旋翼导航中的自由障碍区域。通过加权最小二乘滤波器过滤深度图,并通过卡尔曼滤波算法融合信息,确定四旋翼可通过的足够大自由空间区域。整个过程在Jetson TX2嵌入式计算机上用ROS实现。
2019-05-15 cs.CV cs.RO cs.SY
T-ESKF: Transformed Error-State Kalman Filter for Consistent Visual-Inertial Navigation
School of Astronautics, Harbin Institute of Technology(航天学院,哈尔滨工业大学)
针对VINS可观测性不匹配导致的不一致问题,提出T-ESKF,通过线性时变变换保持系统可观测性,并加速协方差传播,性能优于或媲美现有方法。
2025-10-27 cs.RO
BehAV: Behavioral Rule Guided Autonomy Using VLMs for Robot Navigation in Outdoor Scenes
University of Maryland(马里兰大学);A. James Clark School of Engineering, University of Maryland(马里兰大学A.詹姆斯·克拉克工程学院)
BehAV利用大语言模型解析人类指令,结合视觉语言模型构建行为成本图,并通过无约束MPC规划器在室外场景中实现兼顾地标到达与行为规则遵循的机器人导航,成功率较现有方法提升40%。
2024-10-02 cs.RO
Navigation-Oriented Scene Understanding for Robotic Autonomy: Learning to Segment Driveability in Egocentric Images
Aalborg University(奥尔堡大学)
这项工作解决了室外机器人导航的场景理解,仅依赖于车载摄像机捕获的图像。传统的视觉场景理解基于特定的描述类别来解释环境。然而,这样的表示是不能直接解释的决策和约束机器人操作到一个特定的域。因此,我们建议分段自我中心的图像直接在机器人如何可以在他们导航,并定制的学习问题,自主导航任务。围绕图像分割网络,我们提出了一个通用的启示,包括3个驾驶性能水平,可广泛适用于城市和越野场景。通过使用软序数标签对这些级别进行编码,我们在学习过程中结合了类间距离,与标准的“硬”独热标签相比,这改善了分割。此外,我们提出了一种面向导航的像素级损失加权方法,该方法赋予安全关键区域更高的重要性。我们评估了我们的方法对大规模的公共图像分割数据集,从阳光明媚的城市街道到积雪的森林小径。在跨数据集泛化实验中,我们表明,我们的启示学习方案可以应用于各种数据集的混合,并与通用的单数据集分割相比,提高了在看不见的环境中的驾驶性能估计。
2022-01-23 cs.CV cs.RO
The Unified Autonomy Stack: Toward a Blueprint for Generalizable Robot Autonomy
Autonomous Robots Lab(自主机器人实验室)
本文提出统一自主栈,通过多模态感知、多行为规划和多层安全导航模块实现通用机器人自主性,经实地测试验证其在复杂环境中的鲁棒性。
2026-05-12 cs.RO
EVORA: Deep Evidential Traversability Learning for Risk-Aware Off-Road Autonomy
Massachusetts Institute of Technology(麻省理工学院);DEVCOM Army Research Laboratory(DEVCOM陆军研究实验室);Boston Dynamics AI Institute(波士顿动力人工智能研究所);Northeastern University(东北大学)
EVORA提出统一框架,通过证据深度学习建模牵引力中的偶然与认知不确定性,并规划风险感知轨迹,在仿真及轮式、四足机器人上验证了优于现有方法的越野导航性能。
2024-03-31 cs.LG cs.RO cs.SY
STEP: Stochastic Traversability Evaluation and Planning for Risk-Aware Off-road Navigation
University of Tokyo(东京大学);California Institute of Technology(加州理工学院);Jet Propulsion Laboratory, California Institute of Technology(加州理工学院喷气推进实验室)
虽然地面机器人自主性在结构化和受控环境中得到了广泛的应用,但在未知和越野地形中的自主性仍然是一个难题。极端、越野和非结构化的环境,如未开发的荒野、洞穴和瓦砾,给自主导航带来了独特而具有挑战性的问题。为了解决这些问题,我们提出了一种方法来评估可穿越性和规划一个安全的,可行的,快速的轨迹实时。我们的方法,我们命名为STEP(随机可通行性评估和规划),依赖于:1)快速的不确定性感知映射和可通行性评估,2)尾部风险评估使用的条件风险值(CVaR),和3)有效的风险和约束感知运动规划使用基于序列二次规划(SQP)模型预测控制(MPC)。我们分析了我们的方法在模拟和验证其有效性轮式和腿式机器人平台探索极端地形,包括废弃的地铁和地下熔岩管。
2021-06-25 cs.AI cs.RO cs.SY
FAST-LIO: A Fast, Robust LiDAR-inertial Odometry Package by Tightly-Coupled Iterated Kalman Filter
University of Hong Kong(香港大学)
本文提出了一种计算高效和鲁棒的激光雷达惯性测距框架。我们融合LiDAR特征点与IMU数据使用紧耦合迭代扩展卡尔曼滤波器,以允许在发生退化的快速运动,噪声或混乱的环境中进行鲁棒导航。为了降低大量测量时的计算量,我们提出了一个新的公式来计算卡尔曼增益。新公式的计算量取决于状态维而不是测量维。所提出的方法及其实施进行了测试,在各种室内和室外环境。在所有测试中,我们的方法实时产生可靠的导航结果:在四旋翼机载计算机上运行,它在扫描中融合了1,200多个有效特征点,并在25 ms内完成iEKF步骤的所有迭代。
2021-04-14 cs.RO
Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing
Technische Universität München(慕尼黑工业大学);Johns Hopkins University(约翰斯·霍普金斯大学);Wilmer Eye Institute(威尔默眼科研究所);Johns Hopkins Hospital(约翰斯·霍普金斯医院);Technical University of Munich(慕尼黑工业大学);Whiting School of Engineering(怀廷工程学院)
针对机器人系统与iOCT融合在视网膜下注射手术中面临的处理速率、动态配准等挑战,提出含器械位姿估计、在线配准、轨迹规划及智能虚拟B扫描的自主导航框架,经离体猪眼实验验证了精度与可重复性。
2023-01-17 cs.CV cs.RO
osmAG-Nav: A Hierarchical Semantic Topometric Navigation Stack for Robust Lifelong Indoor Autonomy
ShanghaiTech University(上海科技大学)
本文提出osmAG-Nav导航栈,通过分层语义拓扑地图实现大空间多层环境中的高效导航,降低规划延迟并提升长期定位稳定性。
2026-03-30 cs.RO
Neural Aided Adaptive Innovation-Based Invariant Kalman Filter
本文提出一种结合不变滤波理论与神经辅助自适应噪声估计的卡尔曼滤波器,用于提升自主水下导航的定位精度,实验表明其在位置均方误差方面优于现有方法。
2026-03-17 cs.RO cs.SY eess.SP
The Difference between the Left and Right Invariant Extended Kalman Filter
Systems Theory and Robotics Group School of Engineering Australian National University(系统理论与机器人组 工程学院 澳大利亚国立大学);Control of Networked Systems Group University of Klagenfurt(网络控制系统组 克莱根furt大学);Hexagon Robotics(Hexagon机器人);Robotics and Mechatronics (RaM) Group EEMCS Faculty University of Twente(机器人与机电(RaM)组 EEMCS学院 威廉斯堡大学)
本文证明带有重置步骤的左旋和右旋不变扩展卡尔曼滤波器(IEKF)算法完全等价,旋向选择不影响性能,并指出重置步骤能提升所有版本滤波器的渐近性能,应纳入高性能算法。
2025-11-03 cs.RO cs.SY eess.SY
Learning Autonomy: Off-Road Navigation Enhanced by Human Input
J. Mike Walker ’66 Department of Mechanical Engineering, Texas A&M University(J. Mike Walker ’66 机械工程系,德克萨斯A&M大学);Department of Engineering technology and Industrial Distribution, Texas A&M University(工程技术与工业分销系,德克萨斯A&M大学)
本文提出一种基于学习的局部规划器,仅用单目相机和5至10分钟人类演示即可学习越野驾驶偏好,减少真实数据需求并免微调地适应多种地形。
2025-05-14 cs.AI cs.LG cs.RO
AeroGen: Structured Prompting for Low-Code Drone-as-a-Service Mission Composition
本文提出AeroGen框架,通过结构化提示和AeroDaaS SDK实现无人机自主控制程序的可靠生成,验证了其在多种环境下的有效性。
2026-10-20 cs.DC cs.RO
Learning effects in variable autonomy human-robot systems: how much training is enough?
University of Birmingham(伯明翰大学)
本文通过搜索救援场景实验,研究可变自主人机系统中操作员训练对导航及干扰任务性能的学习效应,发现HI与MI在纯导航任务中性能相当,并提出训练与实验设计指南。
2023-11-16 cs.HC cs.RO
Recursive Distributed Collaborative Aided Inertial Navigation
University Klagenfurt(克拉根福大学);McGill University(麦吉尔大学)
针对异构移动智能体集群的鲁棒定位问题,提出了一种新颖的 Kalman filter 解耦范式 Isolated Kalman Filtering (IKF),支持模块化传感器融合与分布式协同估计,具有通信需求低、可动态增删智能体及支持延迟多速率更新等优点。
2024-08-22 cs.RO cs.SY eess.SY
A Novel Perception and Semantic Mapping Method for Robot Autonomy in Orchards
College of Engineering, South China Agriculture University(华南农业大学工程学院);Data61, CSIRO(联邦科学与工业研究组织Data61研究院)
本文提出一种结合3D-ODN点云实例检测与语义地形可视性建图的框架,用于实现果园中机器人自主导航与作业。
2023-11-23 cs.RO
Monocular Navigation Relative to Unknown Spacecraft Using a Transformer-Aided Kalman Filter
Stanford University(斯坦福大学)
提出一种结合Transformer网络与MSCKF的单目视觉管线,仅用单目相机即可估计未知航天器位姿,在SPE3R数据集上验证,姿态误差3.7°,距离误差2.2%。
2026-10-07 cs.CV cs.RO
Invariant Cubature Kalman Filter for Monocular Visual Inertial Odometry with Line Features
Shijiazhuang Tiedao University(石家庄铁道大学);Beijing Jiaotong University(北京交通大学)
为了实现机器人导航中鲁棒、精确的状态估计,在不变卡尔曼滤波和立方卡尔曼滤波器(CKF)理论的基础上,提出了一种新的基于线特征的视觉惯性里程(VIO)算法。与传统的CKF相比,滤波器的状态由高维矩阵李群构造,不确定性用李代数表示。为了提高系统在低纹理或光照变化等复杂场景中的鲁棒性,将线特征引入状态变量。该算法利用李代数的指数映射构造求积点,以直线的重投影误差作为状态更新的观测函数。该方法准确地描述了系统在旋转过程中的不确定性,减小了系统的线性化误差,将传统的CKF从欧氏空间推广到流形空间。它既继承了不变滤波在一致性方面的优点,又避免了高维矩阵复杂的雅可比运算。为了证明该算法的有效性,我们将其与Euroc数据集上最先进的基于过滤的VIO算法进行比较。仿真结果表明,该算法在提高估计精度和鲁棒性方面是有效的。
2019-12-26 cs.RO cs.SY eess.SY
Observers Design for Inertial Navigation Systems: A Brief Tutorial
Western University(韦仕敦大学);Lakehead University(湖首大学)
导航观测器的设计能够同时估计的位置,线速度和方向的车辆在三维空间中是至关重要的,在许多机器人和航空航天应用。这个问题主要是处理使用扩展卡尔曼滤波器及其变种,这被证明是在许多实际应用中的工具。虽然实际上是有效的,缺乏强稳定性保证这些算法的动机出现了一类新的几何导航观测器依赖于黎曼几何工具,导致可证明的强稳定性属性。这个简短的教程的目的是提供一个现有的估计方案,以及一些最近开发的几何非线性观测器,自主导航系统依赖于惯性测量单元(IMU)和地标测量的概述。
2020-09-18 cs.RO cs.SY eess.SY
STEP: Stochastic Traversability Evaluation and Planning for Risk-Aware Off-road Navigation; Results from the DARPA Subterranean Challenge
California Institute of Technology(加州理工学院);NASA Jet Propulsion Laboratory(美国国家航空航天局喷气推进实验室)
本文提出STEP框架,通过不确定性感知建图、CVaR风险评估、SQP-MPC运动规划、快速恢复和步态自适应,提升机器人在未知地下环境中的风险感知自主导航能力,并在DARPA地下挑战赛多个实地场景中验证了有效性。
2023-03-02 cs.RO cs.SY eess.SY
Comparison of Dynamic and Kinematic Model Driven Extended Kalman Filters (EKF) for the Localization of Autonomous Underwater Vehicles
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
自主水下航行器(AUV)和遥控潜水器(ROV)用于与勘探和科学研究有关的各种任务。这些系统的成功导航需要良好的定位系统。基于卡尔曼滤波器的定位技术自20世纪60年代初以来一直很流行,并且在开发和设计中使用它们进行了广泛的研究。已经发现,在卡尔曼滤波器中使用动态模型(而不是运动学模型)可以导致更准确的预测,因为动态模型考虑了作用在AUV上的力。提出了一种基于简化动力学模型的水下机器人运动预测扩展卡尔曼滤波器(EKF)。首先建立了水下机器人的动力学模型,然后对该模型进行了简化,该机器人是一种用于简单水下勘探、海底结构物、管道和沉船检测的潜水器。该滤波器在一个名为UUV模拟器的开源海洋车辆模拟器中用模拟车辆实现,并将结果与地面实况进行比较。结果表明,动态滤波器具有良好的预测精度,但在EKF可以实时使用之前需要改进。一些观点和讨论的实际实施,以显示这一概念所需的后续步骤。
2021-05-26 cs.RO cs.SY eess.SY
The Geometry of Navigation Problems
SAFRAN TECH(赛峰科技);MINES ParisTech(巴黎高等矿业学院);PSL Research University(巴黎文理研究大学);Université de la Nouvelle-Calédonie(新喀里多尼亚大学)
虽然已经提出了利用现有的李群结构的状态估计,特别是不变扩展卡尔曼滤波器(IEKF)的许多作品,很少有论文解决的组结构,允许铸造一个给定的系统到框架的不变滤波的建设。在本文中,我们介绍了一个大类的系统,包括大多数问题,涉及在实践中遇到的导航车辆。对于这些系统,我们引入了一种新的方法,系统地提供了一个组结构的状态空间,包括向量的身体框架,如偏见。我们用它来获得具有类似于线性观察员或过滤器的属性的观察员。所提出的统一和通用的框架涵盖了IEKF已被证明是成功的所有系统,改进了具有传感器偏差的惯性导航的最先进的“不完美”IEKF,并允许解决新的示例,如GNSS天线杠杆臂估计。
2022-02-06 cs.RO cs.SY eess.SY
AerialVLA: A Vision-Language-Action Model for UAV Navigation via Minimalist End-to-End Control
本文提出AerialVLA,一种基于视觉-语言-动作的端到端控制模型,通过减少视觉冗余并整合连续3D运动指令与内在着陆信号,实现无人机自主导航。实验表明其在可见环境和未知场景中均表现优异。
2026-03-15 cs.AI cs.CV cs.RO
NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments
New York University(纽约大学)
NOVA提出一种仅用立体相机和IMU的机载对象中心框架,在目标参考系中融合检测、深度补全、视觉惯性估计与NMPC,并利用控制障碍函数实现避障,在GPS拒止无结构环境中实现超过50 km/h的鲁棒高速目标跟踪。
2025-07-07 cs.AI cs.RO
Digital Twins Meet the Koopman Operator: Data-Driven Learning for Robust Autonomy
Automation, Robotics and Mechatronics Lab (ARMLab), Department of Automotive Engineering, Clemson University International Center for Automotive Research (CU-ICAR)(自动化、机器人与机电实验室(ARMLab),汽车工程系,克莱姆森大学国际汽车研究中心(CU-ICAR));Dynamics and Control for Autonomy and Intelligence Lab (DyCo AI Lab), Department of Mechanical Engineering, Clemson University(自主与智能控制实验室(DyCo AI Lab),机械工程系,克莱姆森大学)
提出结合数字孪生与Koopman算子的数据驱动方法,通过仿真生成特定数据建模越野车辆动力学,实现局部运动规划与最优控制,显著提升导航性能并缩小仿真到现实差距。
2025-02-20 cs.RO
Equivariant Filtering Framework for Inertial-Integrated Navigation
GNSS Research Center, Wuhan University(武汉大学卫星导航定位技术研究中心)
针对惯性集成状态估计问题,提出了一种等变滤波(EqF)框架。由于惯性组合导航的运动学系统可以自然地建模在矩阵李群$SE_2(3)$上,因此可以利用李群的对称性设计等变滤波器,将不变扩展卡尔曼滤波推广到群仿射系统上。进一步给出了左不变误差和右不变误差的解析状态转移矩阵。
2021-04-18 cs.RO
Nonlinear Observers Design for Vision-Aided Inertial Navigation Systems
Western University(西安大略大学);University of Quebec in Outaouais(魁北克大学乌塔韦校区);Lakehead University(湖首大学)
本文研究了视觉辅助惯性导航系统中姿态、位置和线速度的同时估计问题。我们提出了一个非线性观测器$SO(3)\times \mathbb{R}^{15}$依赖于身体框架的加速度,角速度和(立体或单目)轴承测量的一些地标是恒定的,在惯性系中已知的。与现有的局部卡尔曼型观测器不同,我们提出的非线性观测器保证几乎全局渐近稳定性和局部指数稳定性。对该系统的一致可观性进行了详细的分析,并给出了其一致可观性的充分条件。此外,一个混合版本的建议观察者提供处理的间歇性测量在实际应用中。仿真和实验结果表明了所提出的状态观测器的有效性。
2021-06-01 cs.RO cs.SY eess.SY
FW-NKF: Frequency-Weighted Neural Kalman Filters
Department of Computer Science, ETH Zürich(苏黎世联邦理工学院计算机科学系)
提出频率加权神经卡尔曼滤波器(FW-NKF),通过将因果谱整形算子嵌入卡尔曼测量残差并联合学习观测和状态转移网络,抑制频带受限噪声,在混沌系统和惯性姿态估计等任务中定位误差降低达10%。
2026-06-01 cs.AI cs.RO eess.SP
FlightForge: Advancing UAV Research with Procedural Generation of High-Fidelity Simulation and Integrated Autonomy
Czech Technical University in Prague(布拉格捷克技术大学);Faculty of Electrical Engineering(电气工程学院)
FlightForge是一个开源无人机仿真器,通过程序化环境生成和集成高层自主性,解决了现有仿真器环境规模有限、缺乏自主导航能力的问题,支持长航程未知环境飞行测试。
2025-02-07 cs.CV cs.RO